安东.J.豪格博士编著的这本《贝叶斯估计与跟踪实用指南》以基本原理为出发点，阐述了贝叶斯估计滤波器的完整的发展历程。书中研究了由高斯噪声和非高斯噪声驱动的线性、非线性动态系统。这里假设动态系统是连续的，因为只有在研究离散滤波器的时候，才会在离散时间对系统进行观测。本书的主要目标是给读者提供过去60年来所提出的大部分贝叶斯估计方法的一致性的全面描述，以表明每种以贝叶斯范式为基础的基本思想是如何与条件密度相关的。

非高斯系统估计的文献一般都存在缺少实用方法的缺点，而高斯方法又缺乏严密、有组织的推导。《贝叶斯估计与跟踪实用指南》一书设法解决这个领域中的不足，为读者提供全面的高斯噪声与非高斯噪声驱动的线性与非线性动态系统估计方法的介绍。

本书特点在于提供了贝叶斯估计与跟踪的统一方法，重点强调了在贝叶斯框架下所有跟踪算法的推导过程，还给出了用于计算加权密度积分的高效的数值方法。包括加权高斯积分的线性与非线性卡尔曼滤波器，以及非高斯情况下的粒子滤波器，作者安东.J.豪格博士首先给出每种估计方法基本原理的详细推导过程，然后分步骤对每一种方法进行详细说明，使得跟踪滤波器的编码更简单易懂。

本书利用了案例分析来展示所研究内容的应用。此外，该书还为每个算法提供了框图，让读者可以自己开发MATLAB估计方法软件工具箱。

《贝叶斯估计与跟踪实用指南》是一本优秀的估计与跟踪方法课程的研究生教材。本书还适用于估计与跟踪领域的科学研究人员、教学研究人员和工程技术人员，对他们具有重要的实际应用价值。对广大科技工作者来说，也是一本非常有价值的参考书。

前言

第Ⅰ部分 预备知识

第1章 简介

 1.1 贝叶斯推理

 1.2 贝叶斯层次估计法

 1.3 本书研究范畴

1.3.1 目标

1.3.2 章节概述

 1.4 用MATLAB进行建模和仿真

 参考文献

第2章 数学基础

 2.1 矩阵线性代数简介

2.1.1 矢量与矩阵的约定与记法

2.1.2 和与乘积

2.1.3 矩阵的逆

2.1.4 分块矩阵的逆

2.1.5 矩阵的平方根

 2.2 矢量点发生器

 2.3 多参数多维非线性函数估计

2.3.1 标量非线性函数估计

2.3.2 多维非线性函数估计

 2.4 多变量统计概述

2.4.1 一般定义

2.4.2 高斯密度

 参考文献

第3章 贝叶斯估计的基本概念

 3.1 贝叶斯估计

 3.2 点估计式

 3.3 基于概率密度函数的递推贝叶斯滤波器

 3.4 基于状态均值和协方差的递推贝叶斯估计

3.4.1 状态矢量预测

3.4.2 状态矢量更新

 3.5 一般估计方法讨论

 参考文献

第4章 实用案例：初步探讨

 4.1 仿真、估计与评价过程

 4.2 利用DIPAR浮标场进行匀速运动目标跟踪的场景仿真

4.2.1 船舶动态模型

4.2.2 多浮标观测模型

4.2.3 场景属性

 4.3 DIFAR浮标信号处理

 4.4 DIFAR似然函数

参考文献

第Ⅱ部分 高斯假设：卡尔曼滤波估计器

第5章 高斯噪声：高斯加权分布的多维积分

 5.1 第3章中重要结论总结

 5.2 回顾卡尔曼滤波器校正(更新)方程的推导

 5.3 贝叶斯点预测积分求解高斯密度

5.3.1 利用仿射变换来简化流程

5.3.2 求解高斯加权积分的一般方法

 参考文献

第6章 线性卡尔曼滤波器

 6.1 线性动态模型

 6.2 线性观测模型

 6.3 线性卡尔曼滤波器

 6.4 LKF在DIFAR浮标方位估计中的应用

 ……

第7章 线性化卡尔曼滤波器：扩展卡尔曼滤波器

第8章 Sigma点类别：有限差分卡尔曼滤波器

第9章 Sigma点类别：无迹卡尔曼滤波器

第10章 Sigma点类别：超球面单形卡尔曼滤波器

第11章 Sigma点类别：高斯一厄米特卡尔曼滤波器

第12章 蒙特卡洛卡尔曼滤波器

第13章 高斯卡尔曼滤波器总结

第14章 卡尔曼滤波器族的性能度量

第Ⅲ部分 蒙特卡洛方法

第15章 蒙特卡洛方法概述

第16章 序贯重要性采样粒子滤波器

第17章 广义蒙特卡洛粒子滤波器

第Ⅳ部分 附加案例分析

第18章 用于三维目标跟踪的球坐标恒速度模型

第19章 利用摄影测量法跟踪下落刚体

第20章 用摄影测量和惯性测量进行传感器融合

参考文献